論文の概要: DFIC: Towards a balanced facial image dataset for automatic ICAO compliance verification
- arxiv url: http://arxiv.org/abs/2602.10985v1
- Date: Wed, 11 Feb 2026 16:13:17 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-02-12 21:44:02.143645
- Title: DFIC: Towards a balanced facial image dataset for automatic ICAO compliance verification
- Title（参考訳）: DFIC:自動ICAOコンプライアンス検証のためのバランスの取れた顔画像データセットを目指して
- Authors: Nuno Gonçalves, Diogo Nunes, Carla Guerra, João Marcos,
- Abstract要約: 本稿では,約58,000の注釈付き画像と1000人以上の被験者2706の動画からなる,新しい総合的な顔画像データセットであるDFICデータセットを紹介する。
DFICを用いて,ICAOコンプライアンス要求の自動検証のための空間的注意機構に大きく依存する新しい手法を微調整した。
DFICデータセットは、新しいモデルのトレーニングと検証のために公開され、前例のない多様な顔を提供する。
- 参考スコア（独自算出の注目度）: 2.476574954598427
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Ensuring compliance with ISO/IEC and ICAO standards for facial images in machine-readable travel documents (MRTDs) is essential for reliable identity verification, but current manual inspection methods are inefficient in high-demand environments. This paper introduces the DFIC dataset, a novel comprehensive facial image dataset comprising around 58,000 annotated images and 2706 videos of more than 1000 subjects, that cover a broad range of non-compliant conditions, in addition to compliant portraits. Our dataset provides a more balanced demographic distribution than the existing public datasets, with one partition that is nearly uniformly distributed, facilitating the development of automated ICAO compliance verification methods. Using DFIC, we fine-tuned a novel method that heavily relies on spatial attention mechanisms for the automatic validation of ICAO compliance requirements, and we have compared it with the state-of-the-art aimed at ICAO compliance verification, demonstrating improved results. DFIC dataset is now made public (https://github.com/visteam-isr-uc/DFIC) for the training and validation of new models, offering an unprecedented diversity of faces, that will improve both robustness and adaptability to the intrinsically diverse combinations of faces and props that can be presented to the validation system. These results emphasize the potential of DFIC to enhance automated ICAO compliance methods but it can also be used in many other applications that aim to improve the security, privacy, and fairness of facial recognition systems.
- Abstract（参考訳）: マシン可読旅行文書(MRTD)における顔画像のISO/IECおよびICAO規格の遵守は、信頼性の高い身元確認には不可欠であるが、現在の手動検査手法は、オンデマンド環境では非効率である。
本稿では,1000人以上の被験者の約58,000点の注釈付き画像と2706件のビデオからなる新しい顔画像データセットであるDFICデータセットを紹介する。
我々のデータセットは、既存の公開データセットよりもバランスの取れた人口分布を提供し、1つのパーティションがほぼ均一に分散し、自動ICAOコンプライアンス検証方法の開発を容易にします。
DFICを用いて,ICAOのコンプライアンス要件の自動検証に空間的注意機構を強く依存する新しい手法を微調整し,ICAOのコンプライアンス検証を目的とした最先端技術と比較し,改善された結果を示した。
DFICデータセットが公開され(https://github.com/visteam-isr-uc/DFIC)、新しいモデルのトレーニングと検証が可能になった。
これらの結果は、DFICがICAOの自動コンプライアンス手法を強化する可能性を強調しているが、顔認識システムのセキュリティ、プライバシー、公正性を改善することを目的とした他の多くのアプリケーションでも使用できる。
関連論文リスト
- AECV-Bench: Benchmarking Multimodal Models on Architectural and Engineering Drawings Understanding [0.0]
AEC人工物上でのマルチモーダルおよびヴィジュアル言語モデルを評価するためのベンチマークであるAECVBenchを提案する。
その結果、現在のシステムはドキュメントアシスタントと同様に機能するが、ロバストな描画リテラシーが欠如していることが示唆された。
論文 参考訳（メタデータ） (2026-01-08T10:54:32Z) - Layout-Independent License Plate Recognition via Integrated Vision and Language Models [6.302166748545872]
自動ナンバープレート認識(ALPR)のためのパターン認識フレームワークを提案する。
多様なプレートレイアウトを確実に運用し、現実の環境に挑戦するように設計されている。
実験により,最近のセグメンテーションフリーアプローチと比較して精度とロバスト性が向上した。
論文 参考訳（メタデータ） (2025-10-12T10:25:21Z) - Continual Action Quality Assessment via Adaptive Manifold-Aligned Graph Regularization [53.82400605816587]
アクション品質アセスメント(AQA)は、ビデオにおける人間の行動を定量化し、スポーツスコアリング、リハビリテーション、スキル評価の応用を支援する。
大きな課題は、現実世界のシナリオにおける品質分布の非定常的な性質にある。
本稿では,進化する分布を扱うための連続学習機能を備えた連続AQA(Continuous AQA)を紹介する。
論文 参考訳（メタデータ） (2025-10-08T10:09:47Z) - Deep Data Hiding for ICAO-Compliant Face Images: A Survey [8.868611795174616]
ICAO準拠の顔画像は、当初生体認証パスポート用に設計されたもので、識別認証の中心となっている。
プレゼンテーション攻撃検出(PAD)のような従来の対策は、リアルタイムキャプチャに限られており、キャプチャ後保護は提供されない。
本研究では,デジタル透かしとステガノグラフィーを,タンパー信号を直接画像に埋め込む補完的手法として検討する。
論文 参考訳（メタデータ） (2025-08-26T14:41:12Z) - Person Recognition at Altitude and Range: Fusion of Face, Body Shape and Gait [70.00430652562012]
FarSightは、顔認識のためのエンドツーエンドシステムで、顔、歩行、体形を横断する生体計測の手がかりを統合する。
FarSightは、4つのコアモジュールにまたがる新しいアルゴリズムを組み込んでいる。
論文 参考訳（メタデータ） (2025-05-07T17:58:25Z) - ONOT: a High-Quality ICAO-compliant Synthetic Mugshot Dataset [4.3659108218579545]
本稿では,高品質な顔の生成に焦点を当てた合成データセットであるONOTを紹介する。
OnOTに含まれる厳密に制御された様々なマグショット画像は、eMRTDの顔画像の解析に関連する研究分野で有用である。
論文 参考訳（メタデータ） (2024-04-17T10:38:51Z) - Enhancing Security in Federated Learning through Adaptive
Consensus-Based Model Update Validation [2.28438857884398]
本稿では,ラベルフリップ攻撃に対して,FL(Federated Learning)システムを構築するための高度なアプローチを提案する。
本稿では,適応的しきい値設定機構と統合されたコンセンサスに基づく検証プロセスを提案する。
以上の結果から,FLシステムのレジリエンスを高め,ラベルフリップ攻撃の顕著な緩和効果が示唆された。
論文 参考訳（メタデータ） (2024-03-05T20:54:56Z) - Towards General Visual-Linguistic Face Forgery Detection [95.73987327101143]
ディープフェイクは現実的な顔操作であり、セキュリティ、プライバシー、信頼に深刻な脅威をもたらす可能性がある。
既存の方法は、このタスクを、デジタルラベルまたはマスク信号を使用して検出モデルをトレーニングするバイナリ分類として扱う。
本稿では, 微粒な文レベルのプロンプトをアノテーションとして用いた, VLFFD (Visual-Linguistic Face Forgery Detection) という新しいパラダイムを提案する。
論文 参考訳（メタデータ） (2023-07-31T10:22:33Z) - Cluster-level pseudo-labelling for source-free cross-domain facial
expression recognition [94.56304526014875]
表情認識のためのSFUDA法を提案する。
本手法は,自己教師付き事前学習を利用して,対象データから優れた特徴表現を学習する。
提案手法の有効性を4つの適応方式で検証し,FERに適用した場合,既存のSFUDA法より一貫して優れていることを示す。
論文 参考訳（メタデータ） (2022-10-11T08:24:50Z) - Robust Semi-supervised Federated Learning for Images Automatic
Recognition in Internet of Drones [57.468730437381076]
プライバシー保護型UAV画像認識のための半教師付きフェデレートラーニング(SSFL)フレームワークを提案する。
異なるカメラモジュールを使用したUAVによって収集されたローカルデータの数、特徴、分布には大きな違いがある。
本稿では,クライアントがトレーニングに参加する頻度,すなわちFedFreqアグリゲーションルールに基づくアグリゲーションルールを提案する。
論文 参考訳（メタデータ） (2022-01-03T16:49:33Z) - Unsupervised Domain Adaptation in Person re-ID via k-Reciprocal
Clustering and Large-Scale Heterogeneous Environment Synthesis [76.46004354572956]
個人再識別のための教師なし領域適応手法を提案する。
実験結果から,ktCUDA法とSHRED法は,再同定性能において,+5.7 mAPの平均的改善を実現することがわかった。
論文 参考訳（メタデータ） (2020-01-14T17:43:52Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。